我把自己的 Agent 接进-开源「AI记忆大总管」，像给 AI 打通了任督六脉 ！

这里说一个事儿，前几天电脑重启之后，我以为把项目都丢了。

打开 Warp，结果屁都没有了，我心想，每次在CLI重启的这种我的进度都看不到，项目啥样的都木了。

于是我用最近在PH榜单看到的Memmy，让他给我找下对应的项目情况？

你有 210 个项目目录，都还在 /Users/andyhu/，并没有丢失。重点项目有 3d-billiards、GemmaClient、Ice，游戏项目有 ai-monopoly-game、cashflow-game，AI/ML 项目有 ChatTTS、novel-agent-system……Memmy AI 回答

项目都在。只是我一时没找到。

但这件事让我想到另一个问题。

这 210 个项目，有哪个 AI 工具真正“认识“它们？

Memmy 能扫出来，是因为它在终端里读了目录。

但切换到 Claude Code、Codex 或 Cursor，它们知道哪些项目？哪些 Skills 可以调用？以前踩过的坑还算不算数？

每换一个工具，这 210 个项目在新工具眼里都是第一次见。

所以我做了一个测试，让 Memmy 找一个没有给出任何线索的项目：

plaintext帮我找一下本地的一个全球情报和设计监控项目是什么

没有项目名，没有路径，没有目录结构，也没有任何关键词。

如果是普通 AI，大概率会反问：您说的是哪个项目？有什么关键词可以提供吗？大概在哪个目录？

Memmy 直接给了我答案。

它说是 OSIRIS / GEOSIGHT，也叫“地瞰“，本地路径在 /Users/andyhu/Downloads/Company/，然后区分了两个子目录的用途：osiris-upstream 是 GitHub 完整克隆，osiris-replica 是单文件本地复刻。

还顺带排除了同目录下的 open-design，说那个是 AI 设计工具，不是情报监控项目。

手动打开，GEOSIGHT 界面就在那了。

整件事里，我没有解释过任何背景。

这就是 Memmy，一个开源 AI 记忆工具，当时在 Product Hunt 跑到日榜 #3，436 个 points。

官网那句文案说得很直白：**Let every AI remember the same you。**注册送 200 万 tokens，先把 Memory + Agent Runtime 跑通再说。

刚看到这句话时，我以为它说的是记住你的偏好，比如喜欢中文回答、喜欢简短格式。大多数 AI 工具都在做这类事。

跑下来之后，我觉得不是这么回事。

它说的“remember“，不是记住你喜欢什么，是记住你的工作现场。

这个就像是一个AI记忆模块的大管家，让多个Agent、多个模块都可以手拿把掐的处理，真的让人可以耳目一新的感觉。

这是个被低估的差异。

大多数人理解的 AI 记忆是这样：AI 记得你说过**“我做软件开发”**，下次少问几句废话。当然有用，但真正让人烦的不是这个。

真正麻烦的是，你每换一个 AI 工具，就得重新做一次自我介绍。

在 Claude Code 里讲过的项目背景，到了 Csodex 里还得再讲。

Cursor 里踩过的坑，换个 Agent 又像没发生过。你花时间建出来的 Skills、工具链、文件路径、命名习惯，最后都被锁在各自工具里，彼此之间没有联通。

AI 工具不是因为笨才让你重复解释，是因为每个工具都是一座孤岛。

Memmy 想做的，是这座桥。

打开工作台，先把流程跑通

注册进入桌面端，左侧几个入口：新任务、搜索任务、连接与工具、记忆管理、加入社区。

两个细节让我觉得设计方向对了。

一是没有一上来就让你配模型、配 API Key、配 Embedding、配本地服务，先用赠送的 200 万 tokens 把流程跑通，后面再说。

二是第一屏直接把“连接与工具“和“记忆管理“放出来，不是一个聊天框。这说明它不想做新的聊天入口，而是一个工作台。

我这里是配置了自己的API Key 就直接可以直观的管理和查看Token的整体消耗以及评估费用支出等。

这里的设计我还挺喜欢的，就是一包篮子都可以查看消耗的明细还挺好的。

没有线索的问题，找到了真实项目~

这就是开头说的那次实操。

它找到了，路径对，版本区分对，排除项也对。

它做了几层判断：把“全球情报和设计监控项目“这个模糊描述对应到 OSIRIS / GEOSIGHT，找到本地路径，区分 upstream 和 replica 两个子目录的不同用途，排除一个名字看起来相关、实际用途不同的 open-design。

这就不像普通聊天记忆了。

普通记忆记得“你提过 OSIRIS 这个词“，这个更像是知道这个词在你的工作现场里指向哪里，知道哪个目录是完整克隆，哪个是单文件复刻，也知道旁边那个 open-design 不是这个问题的答案。

就像你跟刚入职的同事说“把上次那个客户方案找出来“，新人要问：客户是谁？文件在哪？哪一版是最终版？老同事不会问，因为他知道。

继续追问，让它启动 osiris-replica。

它给出了 http://localhost:8780/index.html，手动打开，GEOSIGHT 界面就跑起来了。

plaintext模糊描述 → 召回项目 → 找到路径 → 区分版本 → 启动复刻 → 拿到本地地址 → 看到真实界面

这才是“接得上你的活“。

Skills 查找：不只记住你说过什么，还知道你有哪些能力！

查完项目，我还想看另一件事：它知不知道我“怎么工作“。

这张图里它整理出了一批电脑里的 Skills：SEO、增长、数据分析、飞书集成、Cloudflare、音频语音、TDD 工作流……

这些不是偏好，是工作方法。

知道“你喜欢中文“，这是偏好。

知道“你有 berryxia-writer 这个 Skill，用来把素材转化成带 Hook 的中文科普文章，通常交付 Markdown + HTML“，这是能力。偏好影响怎么说话，能力决定下一步怎么干活。

这里有个真实对比。我之前让 Codex 用 berryxia-writer 写文章，它没有直接找到，只能先按普通 brief 写一版，后来根据我给的路径才重新读 Skill。

在 Memmy 里，我直接问“使用 berryxia-write skills 撰写内容可以吗“，它识别出这个 Skill 已安装，功能、支持的内容类型、输出格式都解释出来了。

背后的逻辑很简单：你已经打磨出来的工作能力，不应该被锁在某一个 Agent 里，换了工具就消失。

把自己的业务 Agent 也接进来

如果前面两个例子还只是“它记得我的东西“，接下来这个更进一步。

我本地有一个业务 Agent，熟悉我的朋友知道，我的本质工作是干苹果业务的，这个工具叫 SalesScout，面向Apple经销商销售场景，知道商机巡检、客户拜访、方案撰写、客户跟进这些流程。

接进 Memmy 比接 Cursor 或 Claude Code 更有说服力，因为这背后是一套真实的业务场域，不是聊天工具。

界面里有学校、产品、匹配分、预算、截止日期、来源和跟进动作。比如暨南大学 Apple MacBook Air 15 英寸 M5 采购竞价，打了 85 分旁边有采购人、区域、入库时间和后续动作。这是真实数据，不是演示空壳。

SalesScout 里的 Agent 每次搜索、读取页面、整理结果，也都会留下执行记录。

这类记录对 Memmy 来说很关键，因为这些不是普通聊天记录，而是“一个业务 Agent 怎么完成一类任务“的过程资产。

我问的是：

plaintext查找最近 7 天匹配分 60 分以上的教育采购商机。

它开始工作，读了 salesscout-mcp-verification.jsonl，grep 了 mcp_salesscout_，调用了 Find files，列出了 .memmy。

它没有停在“记得你说过 SalesScout“，而是在想：这个任务要查商机，该去哪里找有这个能力的工具，哪里有 MCP 的接入记录。

中间踩了个小坑：一开始跑了范围太大的 find /Users/andyhu …，10 秒超时。

没有卡死，换了方式，用 ls、mdfind，直接定位到 /Users/andyhu/Desktop/SalesScout/server/，然后读 mcp_server.py。

它找到了 search_leads，读出这个工具支持 min_score 和 days 两个参数，正好对应需求：最近 7 天、匹配分 60 分以上。

结果来了：50 条商机，按分数分布整理好，Top 5 列成表格。

OSIRIS 那次证明它能找项目，SalesScout 这次证明它能围绕项目找工具、读配置、理解参数、把工具真正跑起来。

普通记忆像便利贴，提醒你提过 SalesScout 这个项目。Memmy 更像业务档案柜，知道 SalesScout 代表一套真实销售能力，以及下次遇到商机查找任务，该从哪个入口调用它。

底层想法：记忆、技能、工具，分层拆开

模型配置页把几件事拆开了。

它没有把“记忆“做成一个黑盒。

记忆是底座，工具是手脚，Skills 是方法论，模型是发动机，MCP 是接外部能力的插座。SalesScout 这次测试，把这套东西串成了一条完整链路。

Cross-agent access：才是真正有想象力的地方

一份记忆如果只能在 Memmy 自己里面用，那它只是换了个壳的聊天工具。

真正有价值的是：不同 Agent 可以接到同一份上下文。我可太喜欢它了！

Cursor 写代码时能知道项目背景，Claude Code 调 bug 时能知道上次怎么修的，Codex 跑任务时能知道本地路径和约束，SalesScout 能知道哪些商机已经跟进过。

以前每个 Agent 像各自工作的临时工，你要给每个人讲一遍公司业务。现在更像有了一份共享的项目档案，新来的 Agent 先看档案，再开始干活。

这件事如果跑通，用户省下来的不是某一次 Prompt 的时间，而是长期反复解释自己的时间。

我希望它下一步能更主动一点

现在用下来最舒服的感觉，是终于有人在帮我管这些碎片。

但我还希望它能更往前走一步：不只是我问了它能答，而是我打开它，就能看到自己和 AI 一起养出来的工作资产。

有点像养成系萌宠，但不是为了卖萌。它越用越懂你的项目，越知道你有哪些工具，最后从“我在使用一个 AI 工具“，慢慢变成“我在和一套 AI 工作系统协同“。

回到开头那个问题。

Memmy给我的答案没有错：210 个项目都还在，没有丢失。

但它没说的是，这 210 个项目，在下一个 AI 工具眼里依然陌生。文件在，路径在，但没有任何工具记得你在这里做了什么，踩了什么坑，用了哪些方法，走了哪条路。

项目不会丢。消失的是 AI 对你工作现场的理解。

每次切换工具，这层理解就清零一次。

Memmy 想解决的，是这件事。

• 官网：https://memmy.bot/

• GitHub：https://github.com/MemTensor/memmy-agent

• Product Hunt：https://www.producthunt.com/products/memmy